胶带输送机的盘式制动器安装、维护和检修

带式输送机在煤矿生产运输中大量、广泛使用,带式输送机制动器的合理选择、维护和安装,直接影响煤矿的安全生产。     

比较BP神经网络和RBF神经网络在基金净值预测中的应用

基金市场的活跃程度直接影响基金净值的变动,市场内部的影响因素具有较强的非线性特征,神经网络模型强大的非线性处理功能能够更为精准地预测基金净值的走势.本文采用BP神经网络和RBF神经网络对华夏成长基金进行实证分析,比较2种方法的预测精度.实证结果表明:RBF神经网络的仿真结果与真实值匹配程度较好,具有更高的预测精度.     

RBF神经网络在雾天图像复原中的应用

针对雾天图像的特点及传统算法复原效果的不佳,提出了一种基于RBF神经网络的雾天图像复原算法。实验结果表明,该算法能够有效地提高图像清晰度和对比度,复原后的图像视觉效果得到了明显改善。     

RBF神经网络理论及其在控制中的应用

对RBF神经网络的结构和函数逼近理论进行了综述，最后提出了RBF网络在控制中的研究及应用。     

改进型RBF神经网络在系统建模中的应用

提出了一种新的RBF神经网络的设计方法,采用遗传-K均值聚类算法对RBF神经网络的隐层节点中心值进行优选,用遗传算法训练RBF神经网络的权值。以锅炉燃烧为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的神经网络模型,结果证明了该方法的有效性。     

RBF神经网络在供应链风险预警中的应用

本文对径向基函数神经网络在供应链风险预警中的应用进行了研究。用专家决策法提取衡量供应链风险的参数,提出了一种应用于模式识别的RBF供应链风险预警方法,然后分析了另一种神经网络——学习矢量量化网络LVQ对供应链风险预警的效果,将它们的训练速度和分类精度进行了比较。实验结果表明,采用RBF神经网络比LVQ神经网络的分类速度更快、精度更高,更有效的被应用于供应链风险预警中。     

RBF神经网络在小儿厌食症的辅助诊断中的应用

RBF神经网络是神经网络的一种,作为一种非传统、非线性、多变量的分析方法可应用于临床疾病的辅助诊断,其判别效果比传统的多元分析法要好。神经网络用于医疗诊断通过对已确诊病例的学习取得知识和经验,并按自联想推理产生诊断输出,这是一般的医疗专家系统作不到的。本文讨论RBF神经网络用于小儿厌食的辅助诊断和预测。     

RBF神经网络在有效灌溉面积预测中的应用

针对有效灌溉面积预测是一个复杂和不确定性的系统,采用RBF神经网络建立有效灌溉面积预测模型,具有结构自适应、局部泛化能力强、收敛速度快等特点。仿真结果表明,该模型具有较高的预测效果,相对于传统模型具有较好的预测精度和良好的自适应性。     

RBF神经网络在复合地基承载力预测中的应用

利用径向基函数(RBF)神经网络,建立复合地基承载力预测模型,有效解决复合地基承载力预测中的非线性问题.以历史数据为依据,对所建立的RBF神经网络预测模型进行模拟和检验.实例结果表明:应用RBF神经网络所建立的复合地基承载力预测模型,能真实地表达要素之间的高度非线性关系,具有较高的预测精度和较强的实际应用价值.     

RBF神经网络在安徽省固定资产投资总额预测中的应用

利用先进的径向基函数(RBF)神经网络,对安徽省固定资产投资进行了实证预测研究.结果表明,利用RBF网络建立的固定资产投资预测模型经过训练后,可得到较精确的预测结果,并具有较强的适应性.     

RBF神经网络在织物风格中的研究与应用

采用RBF(radial basis function)神经网络对织物风格进行评价,对织物风格中的光滑度建立评价模型,模型具有较强的识别能力,且训练时间较短,可以有效解决对织物风格中光滑度的评价.     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。     

RBF神经网络在电力负荷预测中的应用研究

本文探讨了基于RBF神经网络对电力系统进行负荷预测的方法,并利用工程软件Matlab进行仿真,通过仿真看出此种预测算法获得了较好的效果。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.     

改进RBF神经网络在短期负荷预测中的应用

电力系统负荷预测对电力调度部门来说是非常重要的,精确的负荷预测是经济、可靠和安全的电力系统运行和规划的依据,直接关系到电力系统供电计划的制定和电力系统短期运行方式的安排。该文提出了一种改进的基于径向基函数（Radial Basis Function,RBF）神经网络的短期负荷预测的方法,经GA优化的SVM多核径向基函数去提取有用数据,提高了短期负荷预测精度,该文以吉林某地区春季负荷为输入,仿真结果表明算法的可行性。     

浅谈带式输送机中盘式制动器的应用

盘式制动器由于具有制动力矩大、制动力可调、安全可靠以及维护方便等诸多优点,在近几年被广泛应用于带式输送机中,同时又具有安全可靠以及维护方便等优点,因而在我国得到了广泛的应用,本文首先简单介绍了带式输送机中的制动装置及制动方式,其次通过对盘式制动器的构成和工作原理进行探讨,阐述了其制动力矩的影响因素和计算方法,并在最后提出了几点提高带式输送机制动力的措施,希望可以对相关工作者有一定的借鉴作用。     

用遗传算法改进的RBF神经网络在语音识别系统中的应用

针对传统的RBF网络求取隐层基函数中心的K-均值聚类算法的缺点,利用遗传算法的全局搜索性能,将遗传算法用于RBF网络的训练过程.由于简单遗传算法存在收敛速度慢及不能收敛到全局最优解等不足,引入自然数编码的自适应遗传算法,加快网络的训练速度.将该算法应用到语音识别系统中,实验结果表明:使用该方法的识别结果优于使用K-均值聚类算法选取质心的RBF网络的识别结果.     

变焦遗传算法优化RBF神经网络在稻瘟病预测中的应用

针对水稻稻瘟病的非线性特性,利用改进后的变焦遗传算法(ZGA)来优化RBF神经网络连接隐层节点的权值和阈值。它综合了变焦遗传算法的收敛速度快、精度高和RBF神经网络逼近精度高、学习速率快等特点建立系统预测模型。经过对2002—2011年间水稻稻瘟病的预测分析,得出此方案的预测精度高达96.57%,验证了其预测模型的有效性。     

RBF神经网络在旋转机械故障诊断中的应用

以频谱能量和轴心轨迹特征作为机械故障的特征量,通过RBF神经网络对机械故障进行诊断,使用Matlab软件编程并得出识别结果.与BP神经网络、Elman神经网络相比,RBF神经网络在机械故障诊断中具有训练次数少,速度快,准确度高,识别误差小的优点.     

RBF神经网络在股市趋势预测中的应用

将RBF神经网络应用在股市趋势预测中，RBF网络中心点的选取采用最近邻聚类学习算法，以上证指数和基金裕阳为对象进行建模与预测，结果表明，此种网络具有较好的学习和泛化能力，在股市趋势预测中取得了较好的效果。